Tableau de bord de suivi de la qualité des données

Cas client dans le secteur Industrie

Contexte et ambition business

Notre client, un acteur majeur de l’industrie aimerait structurer sa démarche de digitalisation, notamment en terme de gestion de ses données. Le périmètre concerné par le présent projet concerne la qualité des données, analysées à la fois : 1/ Par la «machine», c'est-à-dire, les scripts automatisés basé sur des règles métiers de vérification (complétude, format, etc.), 2/ Par l’«humain», c'est-à-dire par les utilisateurs métiers, qui au vue de leur connaissance métier, détectent et corrige manuellement des anomalies dans les données. L’outil doit ainsi pouvoir couvrir :

  • la non-qualité ; 
  • la non-disponibilité de la donnée (une non-qualité spécifique qui a besoin d’être mis en évidence si les data attendues ne sont pas dispo pour les besoins opérationnels). 

Stack technologique

  • Environnement : AWS
  • Continuous Integration (CI) : gitlab-ci
  • Langage : Python
  • Data manipulation: Numpy, Pandas
  • Data visualization: Power BI
  • Database: Amazon S3, Sharepoint

Approche Mazars 

Atelier de cadrage Data Visualisation : atelier de cadrage permettant de réaliser un dashboard model canvas

Fonctionnement itératif :

  • Itération rapide (2 jours) permettant de réaliser des ajustements du besoin
  • Livraison régulière d’un tableau de bord pour aider le métier à se projeter dans la solution finale

Tableau de bord de monitoring et 3 analyses : pilotage macro pour un Top Management, liste des erreurs pour des Business Stewards, tableau d’analyse pour la Data Factory

Bénéfices pour le Client 

Généricité du Dashboard : le tableau de bord a été dès le début de sa conception conçu pour être généralisé à l’ensemble des projets du client

Suivi temporelle de la Qualité des données : rafraichissement hebdomadaire programmé et automatique du tableau de bord

Simplicité d’utilisation et de lecture : l’UI et l’UX a été pensé dès le début pour faciliter la lecture et l’utilisation du tableau de bord aux utilisateurs finaux et ainsi les aider à l’adoption de l’outil dans leur quotidien

Exemples de livrables 

Tableau de bord de suivi des corrections et analyse de la disqualité des données